Obrana teme doktorskog rada: Ivan Brandić mag. ing. agr.
Razvoj novih nelinearnih matematičkih modela u modeliranju gornje ogrjevne vrijednosti biomase
12.1.2023 u 13:00 h u Maloj vijećnici.
Predloženi mentori:
- Prof. dr. sc. Neven Voća, Sveučilište u Zagrebu Agronomski fakultet
- Dr. sc. Lato Pezo
Povjerenstvo za obranu teme doktorskog rada:
- Izv. prof. dr. sc. Nikola Bilandžija, Sveučilište u Zagrebu Agronomski fakultet
- Prof. dr. sc. Jerko Gunjača, Sveučilište u Zagrebu Agronomski fakultet
- Dr. sc. Biljana Lončar, Univerzitet u Novom Sadu Tehnološki fakultet Novi Sad
Sažetak:
Biomasa kao obnovljivi izvor energije postaje sve važnija sirovina u proizvodnji goriva radi porasta cijene i ekološke neprihvatljivosti korištenih konvencionalnih izvora. Glavni parametar u procjeni kvalitete goriva je ogrjevna vrijednost, koja predstavlja količinu energije koja se oslobađa po jedinici površine. Postojeći linearni matematički modeli imaju veću grešku u predviđanju gornje ogrjevne vrijednosti (Hg) od nelinearnih modela u obliku polinoma višeg stupnja (PVS), umjetnih neuronskih mreža (UNM), slučajnih šuma za regresiju (SŠR) i modela potpornih vektora (MPV). Kako bi se navedeni problem riješio postoji potreba za razvitkom novih nelinearnih matematičkih modela za predviđanja Hg biomase. Kao rješenje nude se modeli u obliku PVS, UNM, SŠR i MPV. Iz navedenih razloga, u ovom istraživanju bit će razvijeni novi nelinearni matematički modeli za modeliranje Hg poljoprivredne i šumske biomase te će se razvijeni nelinearni modeli usporediti u smislu pouzdanosti predviđanja.
Summary:
Biomass as a renewable source of energy is becoming an increasingly important raw material for fuel production due to the rise in prices and the environmental incompatibility of the conventional sources used. The most important parameter in assessing fuel quality is the calorific value, which represents the amount of energy released per unit area. Existing linear mathematical models have a higher error in predicting the heating value (Hg) than non-linear models in the form of higher degree polynomials (PVS), artificial neural networks (UNM), random forests for regression (SŠR) and models of support vector machine (MPV). To solve the mentioned problem, new nonlinear mathematical models for Hg biomass prediction have to be developed. As a solution, models in the form of PVS, UNM, SŠR and MPV are offered. For the above reasons, in this research work, new nonlinear mathematical models are developed for modelling Hg biomass in agriculture and forests and the developed nonlinear models are compared in terms of their prediction reliability.